Прогнозирование специфического гуморального иммунного ответа на основании исходных параметров иммунного статуса детей, привитых против кори, краснухи и эпидемического паротита

Тип работы:
Реферат
Предмет:
Медицина


Узнать стоимость

Детальная информация о работе

Выдержка из работы

Kasimov V. N., Kafarova F. G., Ragimova A. A. The validation of the use of lithium in the complex therapy of bronchial asthma. Allergologiya i immunologiya. 2000- 1(2): 62. (in Russian)
4. Dontsov V. I., Ismailov T. A. Application of the lithium in the treatment of bronchial asthma. Patologicheskaya fiziologiya eksperimental'-nay terapiya. 1984- 5: 65−6. (in Russian)
5. Podkolzin A. A., Dontsov V. I. Factors of Low Intensity in the Bioactivity and Immunecorrection. Moscow: Meditsin- 1985. (in Russian)
6. Tomilets V. A., Dontsov V. I., Zakcharova I. A., Klevtsov A. V. Histamine releasing and histamine binding action of platinum and palladium compounds. Arch. Immunol. Ther. Exp. (Warsz). 1980- 28 (6): 953−7.
7. Kornienko A. A., Kulikovskiy N., Sorokatyy E. Catheterization of the thoracic duct in the experiment. Jn: Topical Issues of Topographic Anatomy and Operative Surgeiy. Moscow- 1977- vol. 1: 22−6 (in Russian)
8. Poroshina L. Ya. Study of histamine and serotonin in the same blood sample. Laboratornoye delo. 1991- 3: 90−2. (in Russian)
9. Fujino K., Yoshitake T., Kehr J., Nohta H., Yamaguchi M. Simultaneous determination of 5-hydroxyindoIes and catechols
by high-performance liquid chromatography with fluorescence detection following derivatization with benzylamine and 1,2- di-phenylethylenediamine. J. Chromatogr. A. 2003- 1012(2): 16 977.
10. Nezhinskaya G. I., Vladykin A. L., Sapronov N. S., Anti-inflammatory role of cholinergic and serotonergic systems in shock. Patologicheskaya fiziologiya i eksperimrntal'-naya terapiya. 2010- 2: 17−21. (in Russian)
11. Prozorovskiy S., Poroshina Yu. A. Mediated mast cell activation in vivo induction of histamine-releasing activity of peripheral blood mononuclear cells atopy. Immunologiya. 2002- 2: 63−5. (in Russian)
12. Tagdisi D. G., Aliyev S. D., Ismaylov T. A. et al. Allergic reactivity and micronutrients. Int. J. Immunorehabil. 2002- 4(1): 49. (in Russian)
13. Aliyeva T. R. Comparative analysis of the levels of immunoglobulin E, G, and the trace element lithium in the blood and lymph in anaphylactic shock, Arthus and Overy phenomena. Alleergologi-ya i immunologiya. 2010- 11(2): 89−91. (in Russian)
Received 24. 09. 14
ИММУНОПАТОЛОГИЯ И КЛИНИЧЕСКАЯ ИММУНОЛОГИЯ
© КОЛЛЕКТИВ АВТОРОВ, 2015 УДК 615. 371:578. 82/. 83]. 015. 46−053. 2
Топтыгина А. П. 1−2, Азиатцева В. В. 2, Савкин И. А. 3, Кислицин А. А. 2, Семикина Е. Л. 5, Гребенников Д. С. 6, Алешкин А. В. 1, Сулимов А. В. 3−4- Сулимов В. Б. 3−4, Бочаров Г. А. 7
ПРОГНОЗИРОВАНИЕ СПЕЦИФИЧЕСКОГО ГУМОРАЛЬНОГО ИММУННОГО ОТВЕТА НА ОСНОВАНИИ ИСХОДНЫХ ПАРАМЕТРОВ ИММУННОГО СТАТУСА ДЕТЕЙ, ПРИВИТЫХ ПРОТИВ КОРИ, КРАСНУХИ И ЭПИДЕМИЧЕСКОГО ПАРОТИТА
1ФБУН МНИИЭМ им. Г. Н. Габричевского Роспотребнадзора, 125 212, г Москва- 2ФГБОУВПО МГУ им. М. В. Ломоносова, 119 991, г. Москва ГСП-1- 3ООО «Димонта», 117 186, г. Москва- & quot-Научно-исследовательский вычислительный центр МГУ им. М. В. Ломоносова, 119 991, г Москва ГСП-1- 5ФГБНУ «Научный центр здоровья детей», 119 991, г Москва- 6ФГОУВПО «МФТИ (государственный университет)» МОН РФ, 141 700, Московская обл., г Долгопрудный- 7ФГБУН Институт вычислительной математики им. Г И. Марчука РАН, 119 333, г. Москва
Целью исследования стало выявление маркеров-предикторов среди параметров иммунного статуса до вакцинации, способных предсказать выработку защитных уровней специфических антител (АТ) через 1 мес после вакцинации против кори, краснухи и эпидемического паротита (вакцина Приорикс) и сохранение защитных уровней через 1 год после прививки. 19 параметров иммунного статуса (абсолютное и процентное количество лейкоцитов, лимфоцитов и их субпопуляций: CD3± CD3+CD4±, CD3+CD8±, CD3-CD19+ CD3-CD16/56±клеток, концентрация в сыворотке крови 1 дМ, Ю, 1дА, интерферона^, интерлейкина-4 и фактор некроза опухоли, а были исследованы у 40 детей (21 мальчик и 19 девочек) в возрасте 1−2 года перед прививкой живой тривалентной вакциной Приорикс, содержащей аттенуированные штаммы вирусов кори, краснухи и эпидемического паротита. Семь предикторов формирования защитного уровня специфических АТ через 1 мес после прививки для эпидемического паротита, семь предикторов для вирусов краснухи и четыре предиктора для вирусов кори были найдены с помощью байесовских сетей. Три предиктора поддержания защитного уровня АТ через 1 год после прививки для вирусов эпидемического паротита и два предиктора для вирусов кори определены методами многомерного корреляционного анализа. Оценка качества предсказания продемонстрировала высокий уровень значимости (р & lt- 0,05). Предложен алгоритм предсказания качества специфического иммунного ответа для принятия решения о тактике проведения прививок против вирусов кори, краснухи и эпидемического паротита.
Ключевые слова: вакцинация- иммунный статус- корь- краснуха- паротит- гуморальный иммунитет- корреляционный анализ- байесовские сети- персонифицированная медицина- прогноз.
Для цитирования: Иммунология. 2015- 36(1): 22−30.
Для корреспонденции: Топтыгина Анна Павловна, toptyginaanna@rambler. ru For correspondence: Toptygina Anna Pavlovna, toptyginaanna@rambler. ru
Toptygina'-¦2 A. P., Aziattceva V. V. 2, Savkin I. A. 3, Kislitsyn A. A. 2, SemikinaE. L. 5, GrebennikovD. S. 6, Alioshkin V. A. 1, Sulimov A. V. 3,4, Sulimov V. B. 3,4, Bocharov G. A. 7
THE PREDICTION OF SPECIFIC HUMORAL IMMUNE RESPONSES USING THE BASELINE IMMUNE STATUS PARAMETRES IN CHILDREN, VACCINATED WITH MEASLES-MUMPS-RUBELLA VACCINE
'-G. N. Gabrichevsky Research Institute for Epidemiology and Microbiology, Adm. Makarov St. 10, Moscow, Russia 125 212- 2M. V. Lomonosov Moscow State University, Leninskie Gory 1, Moscow, Russia, 119 991- 3Dimonta Ltd., 15 Nagornaya Str., Build. 8, Moscow, Russia, 117 186- 4Research Computing Center at M. V. Lomonosov Moscow State University, Leninskie Gory 1, Moscow, Russia, 119 991- 5Federal State Budgetary Institution & quot-Scientific Center of Children s Health& quot-- Lomonos-ovsky prospekt 2 b. l Moscow, Russia 119 991- 6Moscow Institute of Physics and Technology (State University), Institutskiy per. 9, Dolgoprudny, Moscow Region, Russia, 141 700- 7G. I. Marchuk Institute of Numerical Mathematics, Russian Academy of Sciences, Gubkina St. 8 Moscow, Russia, 119 333.
The aim of the study was finding the marker-predictors among the baseline immune status parameters to predict the protective level of specific antibodies one month after vaccination with trivalent live attenuated measles, mumps and rubella vaccine Priorix and the maintenance the level of antibodies in a year. Nineteen immune status parameters (absolute and percentage quantity of leukocyte, lymphocyte, subsets of the CD3+, CD3+CD4+, CD3+CD8@, CD3-CD19+ CD3-CD16/56+ cells, serum level of IgM, IgG, IgA, IFN-y, IL-4, and TNF-a) were measured in 40 children aged 1−2 years old (21 boys and 19 girls) before vaccination with Priorix. Seven predictors of protective level of specific antibodies in a month after vaccination for mumps, 7 predictors for rubella, and 4 predictors for measles were found by Bayesian networks. Three predictors of maintenance the antibody level one year after vaccination for mumps and 2 predictors for measles viruses were determined by multivariate correlation analysis. Estimation of the prediction quality demonstrated highly significant level (p & lt- 0,05). The prediction algorithm for the strength and robustness of the specific humoral immune responses was suggested to be used for decision-making in measles-mumps-rubella vaccination policies.
Key worlds: vaccination- immune status- measles- rubella, mumps- humoral immunity- correlation analysis- Bayesian network- personalized medicine- prediction.
citation: Immunologiya. 2015- 36(1): 22−30.
введение. Для многих вирусных заболеваний вакцинация является основным средством борьбы, позволяющим не только контролировать эти инфекции, но и ставить вопрос об их глобальном искоренении. Корь, краснуха и эпидемический паротит известны своими тяжелыми последствиями, поэтому ВОЗ поставила задачи элиминации кори к 2007−2010 гг, снижения уровня заболеваемости эпидемическим паротитом к 2010 г или ранее до уровня 1 или меньше на 100 000 населения, а также частоты синдрома врожденной краснухи до 0,01 и менее на 1000 родов [1]. Проведение массовой вакцинации против кори по всему миру дало положительные результаты. Смертность от кори снизилась с 2,5 млн случаев в год в 1980 г. до 164 тыс. в 2008 г [2]. Однако с 2008 г. даже из стран с высоким охватом прививками, таких как США, Австрия, Франция, Германия, Израиль, стали поступать сообщения о вспышках кори [3]. Результаты анализа прививочного статуса заболевших лиц показали, что примерно половину составляют лица, не привитые по разным причинам (медицинские отводы, религиозные или иные соображения родителей). Вторая половина заболевших — те, кто был привит. В эту группу следует отнести лиц, привитых вакциной с нарушением правил транспортировки и хранения препарата, нарушением графика и кратности прививок. Однако существует еще две группы восприимчивых лиц — группа первичных вакцинальных неудач, когда, несмотря на правильное и своевременное проведение прививки, у человека не формируется защитного уровня специфических антител (АТ), и группа вторичных вакцинальных неудач, когда сформированный после прививки иммунитет быстро утрачивается, и такой привитый человек вновь оказывается восприимчивым к кори. Количество первичных и вторичных вакцинальных неудач составляет 5−10% общего количества привитых для каждой группы [4]. Эти две последние группы являются серьезной проблемой, так как, с одной стороны, в них попадает достаточно большое число людей, а с другой — невозможно предугадать, кто именно из привитых не выработает или быстро утеряет защитный уровень специфических АТ на прививку.
Современный уровень развития методов измерения характеристик иммунного статуса позволяет получать обширную информацию о функционировании иммунной системы на различных уровнях детализации — от клеточного и даже молекулярного до системного. Задача прогнозирования ответа иммунной системы на вакцины против вирусов является
фундаментальной для современной клинической иммунологии. Так, в последнее время вопросам прогнозирования качества иммунного ответа на прививки уделяют пристальное внимание [5, 6].
Математическое моделирование позволяет проводить содержательный анализ огромных объемов изучаемых параметров иммунопрофилирования и выделить наиболее информативные из них. Цель настоящей работы — выявление до вакцинации среди параметров иммунного статуса предикторов клеточного и гуморального типов, способных предсказать формирование защитных уровней специфических АТ через 1 мес после вакцинации Приорикс и сохранение защитных уровней через 1 год после прививки.
Материалы и методы. У 40 детей (21 мальчик и 19 девочек) в возрасте от 1 года до 2 лет (средний возраст 1 год 3 мес) исследовали иммунный статус (количество в периферической крови лейкоцитов и лимфоцитов, абсолютное и относительное количество субпопуляций лимфоцитов CD3+, CD3+CD4+, CD3+CD8+, CD3-CD19+ CD3-CD16/56+, общее количествоМ, IgG и ^А), а также содержание в сыворотке трех наиболее часто исследуемых цитокинов-маркеров ТЫ-и ТЬ2-типа иммунного ответа и провоспалительного цито-кина, соответственно интерферона-у (ШИу), интерлейкина (ГЬ-4) и фактора некроза опухоли (Т№а). Обследованные дети ранее не прививались против кори, краснухи и эпидемического паротита, не болели этими заболеваниями и подлежали плановой вакцинации против этих инфекций. Все дети были привиты вакциной Приорикс (GlaxoSmithKline, Бельгия), содержащей живые вакцинные штаммы вирусов кори, краснухи и эпидемического паротита. Работа одобрена этической комиссией ФБУН МНИИЭМ им. Г. Н. Габричевского Роспотребнадзора, родители подписывали информированное согласие на участие детей в программе исследований. Экспрессию мембранных CD-маркеров определяли методом проточной цитофлюорометрии в реакции прямой имму-нофлюоресценции, реактивы и технологии BD Bioscienses (США): цитометр FacsCalibur, программа сбора и обработки информации CeПQuest Лимфоидный регион выделяли с окрашиванием CD45 по графикам CD45/SSC и графикам светорассеяния FSC/SSC с контролем чистоты выделения лимфоцитов по экспрессии CD45 (95−98% CD45±клеток в регионе). Общее количествоМ, IgG иА оценивали методом турбидиметрии. Содержание цитокинов ГЬ-4, ШИу
и TNFa оценивали в сыворотке крови методом проточной флюорометрии на двулучевом лазерном автоматизированном анализаторе (Bio-plex Protein Assay System, Bio-Rad, США) с использованием коммерческих тест-систем (определяемый динамический диапазон 0,2−3200 пг/мл) в соответствии с инструкцией фирмы-производителя. Количество цитокинов в исследуемых образцах определяли, используя стандартные калибровочные разведения, концентрацию цитокинов высчитывали автоматически с помощью программы «Bio-Plex Manager». Всего оценили 19 параметров до проведения вакцинации. В целях выяснения результатов вакцинации методом иммуноферментного анализа измеряли количество специфических сывороточных IgG-АТ к антигенам вирусов кори, краснухи и эпидемического паротита через 4 нед и через 1 год после вакцинации (Euroimmun, Германия). Отрицательными считали значения менее 0,15 Me/мл для антигенов вируса кори и менее 15 Me/мл для антигенов вирусов краснухи и эпидемического паротита. Защитным рассматривали количество IgG-АТ, превышающее 0,25 Ме/мл для вирусов кори, 35 Ме/мл для вирусов краснухи и 25 Ме/мл для вирусов эпидемического паротита.
Для достижения поставленной цели полученные результаты иммунологического обследования проанализировали с помощью байесовских сетей (БС) доверия, которые традиционно применяют для прогнозирования тех или иных исходов и состояний в биологии и медицине [7, 8] и многомерного корреляционного анализа. При построении БС рассматривали сети с наивной топологией, при которой у всех узлов есть один общий родитель, соответствующий конечной точке (КТ), т. е. искомому предсказанию. Использовали оригинальные программно реализованные алгоритмы построения сетей (NetGen), оценки качества сетей (ANN) и оптимизации сетей по количеству узлов (SiL VIA), разработанные в ООО «Димонта». Для оценки качества предсказания использовали величину площади под ROC-кривой (AUC). Многомерный корреляционный анализ проводили с помощью пакета программ Statistics Toolbox MATLAB R2014a 8.3 (http: //www. mathworks. com/products/statistics/). Сначала анализировали корреляции по всем параметрам и наблюдениям, далее проводили внутригрупповой корреляционный анализ, выделяя значимые корреляции. Уровень значимости для выделения значимых корреляций составлял 0,05 (p & lt- 0,05).
Результаты и обсуждение. Результаты исследования параметров иммунного статуса обследованных детей представлены в табл. 1. Все параметры иммунного статуса у детей соответствовали возрастным нормам. Результаты измерения количества специфических IgG-АТ в сыворотке крови детей через 1 мес и через 1 год после прививки Приорикс представлены в табл. 2.
Используя программу NetGen, построили наивные БС для трех конечных точек: КТ1-корь, КТ2-краснуха и КТ3-паротит. Полученные Б С содержали все выбранные параметры до вакцинации и были обозначены как «БС19 + 1″, где 19 — количество выбранных параметров и, соответственно узлов-листьев. Для обучения БС мы выделили 30 детей, остальные составили контрольную группу для независимого тестирования. В качестве критерия разделения исходов вакцинации выбрали защитный уровень специфических АТ, т. е. если количество специфических IgG превышало защитный уровень, то вакцинацию считали успешной (1), а если оно было меньше этого значения — неуспешной (0). Оценку качества предсказания сетей осуществляли с помощью программы ANN. Первоначальное значение AUc для КТ2-краснуха было равно 0,8 (хороший результат), а для КТЗ-паротит 0,17 (плохой результат). Далее с помощью программы SiL vIA осуществили оптимизацию начальных БС по количеству узлов. В нашем случае количество узлов в начальных БС было небольшим (19), поэтому программу запускали в режиме уменьшения количества листьев на 1 на каждой итерации, пока в БС еще оставались листья. По результатам оценки качества БС на всех шагах оптимизации были отобраны семь наиболее значимых параметров, дающих наибольшее значе-
Таблица 1
Параметры иммунного статуса детей до прививки Приорикс
Параметр
Me (LQ-HQ)
Лимфоциты, %
CD3+, %
CD3+CD4+, %
CD3+CD8+, %
CD19+, %
CD3-CD16/56+, %
Лейкоциты, в 1 мм³ крови
Лимфоциты, в 1 мм³ крови
CD3+, в 1 мм³ крови
CD3+CD4+, в 1 мм³ крови
CD3+CD8+, в 1 мм³ крови
CD19+, в 1 мм³ крови
CD3-CD16/56+, в 1 мм³ крови
IgG, мг/мл
М, мг/мл
А, мг/мл
ИЛ-4, пг/мл
ФНОа, пг/мл
ИФНу, пг/мл
54 (39−60) 70 (66−76) 46 (42−54) 24(18−24) 16 (14−24) 12 (12−14) 8200 (7000−10 300) 4260 (3256−5130) 2897 (1956−4115) 2028 (1426−2733) 936(683−1205) 767 (433−958) 476 (305−578) 4,9 (4,3−8,3) 0,7 (0,6−1,2) 0,3 (0,2−0,5) 2,1 (0,9−3,0) 0,52 (0,38−0,62) 15,7 (13,6−22,9)
ние АиС. Дальнейшее уменьшение количества узлов приводило к ухудшению качества прогноза. Результаты повторной оценки качества оптимизированных БС получились существенно лучше: для КТ2-краснуха АиС 0,95 (очень хороший результат), для КТЗ-паротит АиС 0,66 (средний результат). Наиболее значимыми параметрами для КТ2-краснуха оказалась концентрация в сыворотке крови 1Е№у, абсолютное количество Т-клеток в 1 мм³ крови С03+, относительное содержание в крови лимфоцитов (%), В-лимфоцитов (СБ19+, %), концентрации ТОТа, 1§-М и! Ь-4. Для КТ3-паротит наиболее значимыми были С03+С08+ (%), 1Е№у, лимфоциты, СБ3+, СБ3+СБ4+ (%), СБ3+ (%), и СБ19+ (%). Для предсказания риска неэффективной вакцинации удобно использовать гистограмму риска, связывающую условную вероятность состояния КТ, полученную с помощью обученной БС, с априорной вероятностью предсказания для пациентов выбранной группы риска. Такую гистограмму можно использовать для определения вероятности события у нового пациента. Гистограммы риска представлены на рис. 1. Они построены на основе рассчитанных ROС-кривых. Условные вероятности мы разбили на четыре одинаковых интервала (четыре квартили), каждый из которых соответствует определенной группе риска. Так, например, при опросе БС для нового пациента условная вероятность КТ2-краснуха (успешная вакцинация) оказалась в первой квартили. Для этой группы вероятность удачной вакцинами составляет всего 22%. Следовательно, данный пациент может не развить защитные титры АТ, он относится к группе риска. Следует отметить, что условная вероятность состояния КТ может отличаться от самой вероятности предсказания.
Для проверки правильности предсказания рассчитали вероятность состояния КТ для результатов вакцинации 9 детей
Таблица 2
Количество (в Ме/мл) специфических АТ в сыворотке крови детей, привитых Приорикс
Показатель Через 1 мес после Через 1 год после привив-
прививки (LQ-HQ) ки (LQ-HQ)
IgG-корь 1,125 (0,975−1,4) 1,875 (1,158−2,175)
IgG-краснуха 51 (31−68) 115(104−131)
IgG-паротит 46 (33−65) 34 (29−48)
Таблица 3
расчет вероятности результатов вакцинации для детей контрольной группы с помощью оптимизированной Бс для вирусов кори и краснухи
Пациент Иммунный ответ на вирусы краснухи Иммунный ответ на вирусы эпидемического паротита
рассчитанная вероятность удачной вакцинации (1) реальный результат вакцинации рассчитанная вероятность удачной вакцинации (1) реальный результат вакцинации
1-й 0,99 1 0,97 1
2-й 0,99 1 0,15 1
3-й 0,99 1 0,99 1
4-й 0,99 1 0,99 1
5-й 0,99 1 0,99 0
6-й 0,41 1 0,99 0
7-й 0,99 1 0,99 1
8-й 0,99 1 0,99 0
9-й 0,99 1 0,5 1
Примечание. Здесь и в табл. 4: 1 — успешная вакцинация- 0 — неудача.
контрольной группы, не входивших в группу, на основании которой была обучена БС. Результаты расчетов представлены в табл. 3, где видно, что для вирусов краснухи 8 из 9 детей попали в четвертую квартиль. Для этой группы с вероятностью 88% предсказан успех вакцинации, что и обнаружилось по результатам анализов количества специфических проти-вокраснушных IgG-АТ у всех 8-и детей. На основании расчета условной вероятности состояния КТ 1 ребенок был отнесен во вторую квартиль. Для этой группы успех вакцинации был предсказан только для 25% детей, однако на основании результатов анализов показатели у этого ребенка также рас-
100−1 9 080 706 050 403 020-ю-& lt-н
0−25
25−50
50−75 75−100
100−1 9 080 706 050 403 020-ю-о4
0−25
25−50
50−75 75−100
Рис. 1. Гистограммы риска результатов (в %) вакцинации по данным обученной наивной БС для вирусов краснухи и эпидемического паротита.
0 — неудача вакцинации, когда уровень специфических АТ ниже защитного- 1 — удачная вакцинация когда уровень специфических АТ выше защитного.
а — иммунный ответ против вирусов краснухи (КТ2 — краснуха) — б — иммунный ответ против вирусов эпидемического паротита (КТ3 — паротит). Здесь и на рис. 2: по оси абсцисс — условная вероятность состояния КТ, рассчитываемая с помощью БС- по оси ординат — априорная вероятность предсказания для пациентов данной квартили.
ценили как успех вакцинации. Для оценки качества прогнозирования мы проверили гипотезу о неслучайном распределении реальных и предсказанных результатов методом %2 и рассчитали, что для ответа на вирусы краснухи %2 = 5- р = 0,025, т. е. прогнозирование результативности прививки с использованием БС для вирусов краснухи дает хороший, статистически значимый результат. Для иммунного ответа на вирус эпидемического паротита 7 детей попали в четвертую квартиль, что с вероятностью 88% предсказывала удачный результат вакцинации. Из них у 4 реально оказался высокий уровень противопаротит-ных IgG-АТ в крови, у остальных 3 реальный результат оценки содержания специфических АТ оказался ниже защитного. 1 ребенок попал в первую квартиль, для этой группы вероятность удачной вакцинации составила 40%, а у данного ребенка уровень специфических АТ был выше защитного. 1 ребенок попал во вторую квартиль, вероятность удачной вакцинации была 71%, и в реальности у ребенка количество АТ оказалось выше защитного. При внимательном анализе анамнестических данных 3 детей, у которых был предсказан защитный уровень АТ, а на самом деле таковым не оказался, выяснилось, что все 3 ребенка имели диагноз атопи-ческого дерматита в стадии ремиссии. Для всех 3 детей был характерен высокий уровень общегоЕ (более 300 Ме/мл). Можно полагать, что БС правильно предсказала высокий синтез АТ, однако из-за наличия сопутствующего аллергического заболевания этот активный синтез касался уже имевшейся продукции аллергическихЕ-АТ, а не защитных АТ на прививку. Ввиду малого количества наблюдений это всего лишь предположение, тем не менее в будущем интересно детально изучить этот вопрос.
К сожалению, невозможно было провести подобного рассчета прогноза результатов прививки для вирусов кори, поскольку количество АТ ниже защитного титра диагностировали только у 1 ребенка из когорты детей, выбранных для настройки БС. В связи с этим применили другой подход: значение критерия разделения выбрали равным 1 Ме/мл (как сумма минимального и максимального значения в рассматриваемой когорте, разделенная пополам). Этот критерий позволил разделить обследованных детей на детей с высоким ответом на вирус кори (IgG & gt- 1 Ме/мл) (1) и с положительным, но низким ответом (IgG & lt- 1 Ме/мл) (0). После оптимизации БС в качестве предикторов для прогнозирования результатов прививки против кори через 1 мес после вакцинации выделили абсолютное количество лимфоцитов субпопуляций CD3+CD4+ и CD3-CD16/56+, а также содержание в сыворотке крови IgA и ГЬ-4. Результаты повторной оценки качества оптимизированных БС оказались существенно лучше: для КТ1-корь АиС 0,79 (хоро-
100-, 9 080 706 050 403 019 776-
0−25
25−50
50−75 75−100
Рис. 2. Гистограммы риска результатов (в %) вакцинации по данным обученной наивной БС для вирусов кори (КТ1 — корь) 0 — специфические противокоревые АТ & lt- Ме/мл- 1 — специфические противокоревые АТ & gt- 1 Ме/мл.
Таблица 4
расчет вероятности результатов вакцинации для детей контрольной группы с помощью оптимизированной Бс для вирусов кори
Пациент
Рассчитанная вероятность достижения уровня АТ & gt- 1 Ме/мл (1)
Реальный уровень АТ & gt- 1 Ме/мл (1)
1-й 2-й
3-й
4-й
5-й
6-й
7-й
8-й 9-й
0,99 0,99 0,99 0,17 0,99 0,50 0,99 0,52 0,52
ший результат). Гистограмма риска исходов вакцинации для вирусов кори представлена на рис. 2.
Для проверки правильности прогноза результата прививки мы рассчитали условную вероятность для исходов вакцинации тех же 9 детей контрольной группы, что и для вирусов краснухи и паротита. Результаты расчетов представлены в табл. 4, где видно, что 1 ребенок (№ 4) попал в первую квартиль. По гистограмме рисков находим, что вероятность высокого ответа на корь 50%, в реальности ребенок дал высокие противокоревые АТ. 3 ребенка (№ 6, 8 и 9) попали в третью квартиль, для них вероятность высокого ответа составила 100% и они реально продемонстрировали высокий ответ. Все остальные дети попали в четвертую квартиль, где вероятность высокого ответа была 94%, в реальности эти дети имели высокий ответ. Даже если считать, что результат прогноза для ребенка № 4 был нечетким (50: 50), оценка качества прогноза дает хороший, статистически значимый результат (X2 = 6,4- р = 0,011).
На втором этапе исследования провели корреляционный анализ всех 19 параметров иммунного статуса до вакцинации с количеством специфических IgG, образовавшихся при вакцинации Приорикс отдельно для срока — через 1 мес и
1 год после прививки. Полученные коэффициенты корреляции представили в виде диаграмм, при этом, как показано на шкале градиента серого на рис. 3 справа, белым цветом выделили наиболее сильные положительные корреляции, а черным — наиболее сильные отрицательные корреляции. Из анализа диаграмм видно, что на разных временных сроках наиболее значимые связи проявляли совершенно разные параметры. Для ответа на антигены трех вирусов (корь, краснуха, эпидемический паротит) также более значимыми были совершенно разные параметры. Тем не менее однозначных корреляций исследуемых параметров с количеством специфических АТ через 1 мес после вакцинации не обнаружили. Поэтому провели корреляционный анализ с результатами прививки через 1 год. Для гуморального иммунного ответа на вирус эпидемического паротита получили более тесные корреляции (см. рис. 3, 6). Затем составили графики корреляций попарно для всех исследуемых параметров (до вакцинации) для каждого ребенка отдельно (графики не представлены). В результате анализа этих графиков выявили три параметра, которые наиболее тесно коррелировали с количеством специфических АТ на вирус эпидемического паротита через 1 год после прививки. Ими оказались содержание в сыворотке крови 1Ь-4, ТОТа иА. На рис. 4 представлены результаты попарного сопоставления выбранных параметров для каждого ребенка отдельно. На рис. 4 хорошо видно, что маркеры-ромбы, обозначающие уровень АТ ниже защитного, скапливаются ближе к началу координат. Следовательно, можно выделить критическое значение по каждому из параметров так, что если значения всех трех параметров меньше этой величины, то результат вакцинации через 1 год будет
скорее всего неудачным. Аналогично можно определить границу для серой зоны (диапазон доз от 25 до 35 Ме/мл). Таким образом, получаем следующую классификацию:
• еслиА & lt- 0,45 мг/мл, ?-4 & lt- 1,5 пг/мл, ТОТа & lt- 0,6 пг/мл, то результат вакцинации скорее всего будет неудачным-
• если IgA & gt- 0,65 мг/мл, или 1Ь-4 & gt- 3 пг/мл, или Т№а & gt- 0,7 пг/мл, то результат вакцинации скорее всего будет удачным-
• если 0,45 мг/мл & lt-А & lt- 0,65 мг/мл, 1,5 мг/мл & lt- ГЬ-4 & lt- 3 пг/мл, 0,6 пг/мл & lt- TNFа & lt- 0,7 пг/мл, то результат попадает в серую зону.
На рис. 5, а представлено сопоставление результатов прогнозирования, полученных на основании выбранных критериев и реального содержания в крови IgG-АТ к антигенам вируса эпидемического паротита для исходной группы через
1 год после вакцинации. На рис. 5, а хорошо видно, что результаты предсказанные как неудачные, на самом деле попадают либо в зону ниже 25 Ме/мл (большая часть), либо в серую зону (п = 2). Напротив, в тех случаях, когда был предсказан высокий, защитный уровень специфических АТ, большинство реальных результатов оказалось выше 35 Ме/мл, у
2 детей эти значения оказались равными 35 Ме/мл (граница серой зоны и зоны удачной вакцинации), результат 1 ребенка попал в серую зону. У 4 из 7 детей, прогнозируемый уровень АТ которых попадал в серую зону, реальные результаты также оказались в серой зоне, а у 3 детей из этой группы реальные результаты оказались не намного выше границы серой зоны. Проверка гипотезы о неслучайном распределении реальных и предсказанных результатов методом х2 дала вы-
IFNy TNF IL-4 igA igM IgG
CD~16−56 CD19+ CD3+8+ CD3+4+ CD3+ Лимфоциты Лейкоциты CD3~16−56+% CD19+,°/i CD3+8+,% CD3+4+,°/& lt- CD3+,°/ Лейкоциты, %
IFNy TNF IL-4 IgA IgM IgG
CD-16−56 CD19+ CD3+8+ CD3+4 CD3 Лимфоциты Лейкоциты CD3~16−56+% CD19+,& quot-/» CD3+8+,°/c CD3+4+, 0/" CD3+,% Лейкоциты, %
Рис. 3. Коэффициенты корреляций 19 показателей иммунного статуса до вакцинации и показателей специфического гуморального иммунного ответа на вирусы кори, краснухи и эпидемического паротита в зависимости от срока после вакцинации. а — через 1 мес после вакцинации- б — через 1 год- 1 —О-корь- 2 —О-краснуха- 3 —О-паротит.
2 п
0,70,6
¦ ¦ «и*
-м-
0 0,45 0,65
-¦в*-
2−1
0,7
0,6 н
•ОфВ ¦ •


0,45 0,65
1,8
з
т
о-Ьф-О-1
-*-I- 0,45 0,65
1,8
Рис. 4. Попарные корреляции выбранных параметров *до вакцинации) и их влияние на результаты специфического гуморального ответа на вирус эпидемического паротита через 1 год после прививки.
Ромбы — результаты вакцинации менее 25 Ме/мл (неудача) — кружки — серая зона от 25 до 35 Ме/мл- квадраты — более 35 Ме/мл (удачный результат вакцинации).
а — сопоставление содержания (в пк/мл) ГЬ-4 и ТОТа- б — сопоставление содержанияА (в мг/мл) и ТОТа (в пк/мл) — в — сопоставление содержанияА (в мг/мл) и ГЬ-4 (в пк/мл).
сокозначимые результаты (%2 = 5,54- р = 0,0186). Таким образом, прогнозирование результатов вакцинации, полученных для вируса паротита, можно считать очень хорошими.
Для проверки качества предсказания мы выбрали 10 детей контрольной группы и спрогнозировали для них результаты вакцинации через 1 год. На рис. 5, б представлено сопоставление прогноза и реальных результатов вакцинации через 1 год для детей контрольной группы. На рис. 5, б хорошо видно, что 1 ребенок, которому спрогнозировали отсутствие защитного уровня АТ, в действительности их не имел, 3 ребенка с предсказанным защитным уровнем АТ в реальности также имели защитные АТ, 4 из 6 детей, предсказанный уровень АТ которых попадал в серую зону, также в итоге были отнесены к серой зоне. Только 2 ребенка, уровень предсказанных АТ которых был отнесен к серой зоне, на самом деле не имели противопа-ротитных АТ. Качество предсказания модели следует рассматривать как удовлетворительное (%2 = 3,6- р = 0,05).
Поскольку среди обследованных детей только у 1 количество специфических IgG было ниже защитного уровня, для специфического гуморального иммунного ответа против вируса кори решали задачу прогноза снижения уровня специфических АТ через 1 год по сравнению со значением этого показателя через 1 мес после прививки. Для этого провели попарное сопоставление всех 19 параметров до начала вакцинации (результаты не представлены). На основании анализа этих графиков было выбрано 2 параметра, наиболее тесно коррелирующих с результатами вакцинации через 1 год (рис. 6). Ими оказались концентрация ГЬ-4 в сыворотке крови и общее количество лимфоцитов.
140т
Рис. 5. Сопоставление прогнозируемых и реальных результатов вакцинации (специфические IgG, Ме/мл) для антигенов вируса эпидемического паротита у каждого ребенка отдельно.
Высота каждой точки означает реальный результат, цвет маркера — предсказанный (ромбы — неудача- кружки — серая зона- квадраты — защитные АТ). Здесь и на рис. 7: слева — исходная группа детей- справа — контроль.
На рис. 6 хорошо видно, что черные ромбы, означающие снижение количества специфических АТ через 1 год после прививки, скапливаются ближе к началу координат. Следовательно, можно выделить критическое значение по каждому из параметров так, что если значения обоих параметров меньше этой величины, то через 1 год после вакцинации количество противокоревых IgG скорее всего окажется ниже, чем через 1 мес после прививки. Таким образом, получаем следующую классификацию:
• если ГЬ-4 & lt- 2 пг/мл и лимфоцитов & lt- 5000 в 1 мм³, то через 1 год после вакцинации скорее всего произойдет снижение содержания противокоревых IgG-
• если ГЬ-4 & gt- 2 пг/мл или лимфоцитов & gt- 5000 в 1 мм³, то через 1 год после вакцинации скорее всего будет отмечаться стабильный результат или подъем количества специфических IgG.
На рис. 7, а представлено сопоставление результатов предсказания, полученных на основании выбранных критериев и реального содержания в крови IgG-АТ к антигенам вируса кори. У всех детей, которым предсказали повышение или стабильный уровень противокоревых АТ через 1 год, в реальности содержание АТ к кори было стабильным или повысилось. У 7 из 8 детей, для которых предсказали снижение уровня противокоревых АТ через 1 год после прививки, в реальности он снизился, и только у 1 ребенка, которому предсказали снижение уровня АТ к кори, содержание реальных АТ оказалось повышенным. При проверке гипотезы о неслучайном распределении реальных и предсказанных результатов получили подтверждение высокой значимости результатов (х2 = 18,6- р =
1,59 • 10−5).
Для проверки качества предсказания для 10 детей контрольной группы рассчитали корреляции и спрогнозировали для них результаты вакцинации через 1 год. На рис. 7, б представлены результаты сопоставления прогноза и реальных значений противокоревых АТ. У всех детей, которым предсказали повышение или стабильный уровень противокоре-вых АТ через 1 год, в реальности уровень АТ к кори был стабильным или повы-
¦ ¦ ¦ ¦¦ ¦
¦ ¦ ¦ ¦ ¦ ¦ _________________4___________
¦ ¦ ¦ -¦- & quot-V"- ¦ ¦ ¦ ¦ ¦-
5000
8000
Рис. 6. Попарные корреляции выбранных параметров (до вакцинации) и их влияние на результаты специфического гуморального ответа на вирус кори через 1 год после прививки.
Черные ромбы — снижение количества специфических АТ через 1 год после прививки по сравнению с таковым через 1 мес- серые — количество АТ через 1 год осталось прежним или повысилось по сравнению с таковым через 1 мес
сился. У 5 из 7 детей, для которых предсказали снижение уровня противокоревых АТ через 1 год после прививки, в реальности он снизился, а у 2 детей, которым предсказали снижение уровня АТ к кори, на самом деле обнаружили его повышение. Качество прогностической модели следует расценивать как удовлетворительное (%2 = 3,6- р = 0,05).
Проведенные исследования корреляций количества специфических АТ к вирусу краснухи с исследованными параметрами не дали удовлетворительных результатов ни через 1 мес, ни через 1 год после прививки. Также не удалось найти корреляции с повышением или понижением количества противокраснушных IgG через 1 год по сравнению с количеством этих АТ через 1 мес после прививки.
Весьма интересным представляется вопрос, почему именно те или иные параметры иммунного статуса оказывают влияние на уровень специфических IgG. Так, не очень понятно на первый взгляд, почему количество общихМ или IgA в крови ребенка до прививки может иметь сильную корреляционную связь с количеством специфических IgG. По-видимому, количество общих IgM иА является маркером степени зрелости иммунной системы, ведь каждый ребенок в возрасте 1−2 года проходит индивидуальный путь становления и созревания различных иммунных реакций со своей конкретной скоростью. Так, даже у взрослых
почти половина сывороточногоМ синтезируется В1-клетками, а у детей в возрасте 1−2 года, у которых В1-клеток существенно больше, количество продуцируемых ими IgM-АТ тоже выше. Напротив, становление IgA-ответа у маленьких детей существенно запаздывает и достигает взрослого уровня лишь в препубертатном возрасте [9]. Следовательно, пусть косвенно количество общих IgM и IgA в крови ребенка первых лет жизни соответствует степени зрелости системы специ-
3,5
2,5
1,5 1
0,5 0
¦¦¦
фического гуморального иммунного ответа, а следовательно, может быть связано, а согласно нашим расчетам, реально связано с количеством специфических IgG.
Представляет интерес вопрос о связи Т- и ЫК-лимфоцитов и показателей специфического гуморального иммунного ответа. Во-первых, следует иметь в виду, что Т-хелперы непосредственно влияют на формирование и созревание антительного ответа, как, впрочем, и Т^, которые останавливают иммунный ответ. Это же относится и к регуляторной роли в развитии гуморального иммунного ответа CD3+CD8±лимфоцитов. Кроме того, цитотоксические клетки, как специфические CD3+CD8±лимфоциты, так и натуральные киллеры, могут опосредованно влиять на высоту специфического IgG-ответа, с большей или меньшей интенсивностью уничтожая зараженные вирусом клетки и ограничивая таким образом в большей или меньшей степени антигенную стимуляцию вовлеченных в гуморальный иммунный ответ В-лимфоцитов и плазмоцитов.
Исходя из концепции о связи различных параметров иммунной системы с результатами вакцинации, в качестве потенциальных маркеров-предикторов выбрали параметры, входящие в классический иммунный статус (количество лейкоцитов и лимфоцитов, абсолютное и относительное количество CD3+, CD3+CD4+, CD3+CD8+, CD3-CD19+ CD3-CD16/56+, общее количествоМ, IgG и ^А), а также содержание в сыворотке трех цитокинов-маркеров ШЫу, ГЬ-4 и Т№а. Всего оценили 19 параметров до вакцинации Приорикс. В качестве результата вакцинации использовали данные о количестве специфических сывороточных АТ к антигенам вирусов кори, краснухи и эпидемического паротита, входящих в вакцину (класс IgG), которые измеряли через 1 мес и через 1 год после вакцинации. Для успешного предсказания результатов вакцинации через 1 мес после прививки методом БС выделили семь предикторов для вирусов краснухи: ШЫу, CD3+, лимфоциты (%), CD19+ (%), Т№а,М и Ш-4 — и семь предикторов для вирусов эпидемического паротита: ШЫу, CD3+, лимфоциты, CD19 (%), CD3+CD8+ (%), CD3+CD4+ (%) и CD3+ (%). Интересно, что часть параметров повторяется, это ШЫу, CD3+, лимфоциты, CD19+ (%), другие различаются для разных вирусов. Для прогнозирования результатов вакцинации к антигенам вирусов кори через 1 мес после прививки наиболее информативными оказались четыре параметра иммунного статуса: CD3+CD4+, CD3-CD16/56+, ^ и-4. Используя Б С, по значениям этих параметров до вакцинации можно рассчитать вероятность формирования у конкретного ребенка защитного уровня АТ к каждому из вирусов через 1 мес после прививки. Предложенный способ оценки эффективности прививки продемонстрировал высокое качество предсказаний на независимой выборке привитых лиц (р & lt- 0,05).
3,5 п

¦ ¦
3-
2,5−6
2-
0,5-
1 —
10
15
20
25
8 9 10
Рис. 7. Сопоставление прогнозируемых и реальных результатов вакцинации (специфические IgG) для антигенов вируса кори у каждого ребенка отдельно.
Черные ромбы — снижение количества противокоревых АТ через 1 год, серые — стабильный результат через 1 год. Ромбы — дети, для которых предсказание совпало с фактическим- кружки — дети, у которых предсказание и реальные значения не совпали.
Предложенный метод оценки эффективности прививки позволяет еще до вакцинации из общего числа привитых выделить тех, кто попадает в группу риска, т. е. угрожаемых по отсутствию защитного уровня специфических АТ через 1 мес после прививки (первичные вакцинальные неудачи).
На следующем этапе мы предприняли попытку оценить, насколько хорошо сохраняется защитный уровень АТ в крови через 1 год после прививки. Наиболее успешным здесь оказался корреляционный анализ. Выявили три предиктора для вирусов эпидемического паротита: IL-4, TNFa и IgA, а для вируса кори два предиктора: IL-4 и лимфоциты. Для вирусов краснухи таких предикторов не обнаружили, так как ни один из наблюдаемых нами детей не потерял защитного уровня АТ к краснухе через 1 год после прививки. Для каждого из предикторов определили пороговый критерий (threshold), так что если значения указанных параметров до вакцинации у конкретного ребенка окажутся ниже threshold, то такой ребенок, вероятнее всего, утеряет защитный уровень АТ к конкретному вирусу через 1 год после вакцинации (вторичная вакцинальная неудача), если же значения параметров окажутся выше threshold, то защитный уровень АТ данного ребенка сохранится через 1 год после прививки. Предложенный метод позволяет еще до прививки выделить группу лиц (группу риска), угрожаемых по быстрому снижению уровня АТ в крови ниже защитного.
На основании результатов математического анализа разработали алгоритм прогнозирования и выявления первичных и вторичных вакцинальных неудач.
Для реализации алгоритма следует предпринять следующие меры:
1) перед вакцинацией необходимо провести лабораторное исследование иммунного статуса, включающее определение абсолютного и относительного количества лимфоцитов, их субпопуляций CD3+, CD3+CD4+, CD3+CD8+, CD19+, IgM, IgG, IgA и сывороточных цитокинов TNFa, IL-4 и IFNy-
2) опрашивая БС по результатам анализа, выделить лиц, прогнозируемых как первичные вакцинальные неудачи (прогнозируемый уровень специфических АТ через 4 нед после прививки ниже защитного) — следует понимать, что даже высокая вероятность неудачи не означает еще саму неудачу-
3) выделенную когорту вероятных первичных вакцинальных неудач необходимо привить и вызвать на контроль через 1−2 мес после прививки для оценки реального уровня специфических АТ- такая тактика существенно облегчает поиск незащищенных в результате прививки людей и снижает нагрузку на лабораторию-
4) если лабораторно подтверждена реальная вакцинальная неудача, следует повторить обследование через 1 год, если специфические АТ так и не появились, решить вопрос о дополнительной ревакцинации индивидуально-
5) среди лиц, способных выработать, согласно прогнозу, защитный уровень специфических АТ через 1 мес после прививки, на основании значений порогового критерия threshold следует выделить тех, кто относится к группе риска, т. е. угрожаемых по быстрой потере защитного уровня АТ (вторичные вакцинальные неудачи) —
6) всех, для кого оба прогноза оказались удачным, привить и отпустить на 5 лет до срока положенной по графику ревакцинации-
7) когорту спрогнозированных вторичных вакцинальных неудач необходимо привить и пригласить через 1 год для контроля наличия защитного уровня специфических АТ-
8) при наличии защитного уровня АТ, повторить контроль через 2 года-
9) в случае утери защитных уровней АТ, решить вопрос о дополнительной ревакцинации индивидуально.
В заключение следует отметить, что своевременное выявление лиц, угрожаемых по первичной или вторичной вакцинальной неудаче позволяет рассматривать вопрос об индивидуальном подходе к вакцинации. Одним из вариантов решения вопроса невысокого или нестойкого иммунного ответа на прививку может быть использование иммунокор-
ректора, например полиоксидония, одновременно с вакцинацией. Ранее мы показали, что у детей привитых Приорикс одновременно с инъекцией полиоксидония, количество специфических АТ было значимо более высоким, чем у лиц из группы сравнения [10]. Другой вариант — составление индивидуального графика ревакцинаций. Сроки и количество ревакцинаций — это некая средняя по популяции, однако, возможно, что людям, относящимся к группам риска, т. е. склонным давать низкий или нестойкий антительный ответ на прививку, необходима дополнительная, закрепляющая (или поддерживающая) ревакцинация. Третий немаловажный момент: таким людям нужно проверять специфический клеточный иммунитет. Так, показано, что есть генотипы, предрасположенные давать низкий гуморальный и высокий клеточный иммунитет [11]. Дополнительного исследования заслуживает содержание специфических IgA. Так, описаны случаи, когда у привитых Приорикс детей не было защитных IgG, но выявлен очень высокий уровень специфических IgA [12]. Возможно, такие люди (с низким уровнем специфических IgG и высоким содержанием специфических IgA или высоким специфическим клеточным иммунным ответом) не являются, строго говоря, вакцинальной неудачей. Просто они защищены немного иначе, чем статистическое большинство. Крайне важно своевременно выявлять таких нестандартно защищенных, ибо только наблюдение за этими людьми может дать четкий ответ, является ли эта нестандартная защита эффективной при контакте с диким вирусом.
Таким образом, мы впервые определили информативные показатели иммунного статуса, позволяющие прогнозировать исход вакцинации против кори, краснухи и эпидемического паротита у детей через 1 мес и 1 год после прививки. Предложен конструктивный алгоритм классификации вакцинируемых детей по риску формирования первичных и вторичных вакцинальных неудач.
Работа поддержана грантами РФФИ (№ 14−01−65, 14−01−477), Программой президиума РАН «Фундаментальные науки — медицине». РНФ 14−50−29.
литература
8. Масленников Е. Д., Сулимов В. Б. Предсказания на основе байесовских сетей доверия: алгоритм и программная реализация. Вычислительные методы и программирование. 2010- 11: 222−35.
10. Топтыгина А. П., Солдатенкова Н. А., Алешкин В. А. Использование иммунокорректора полиоксидония при иммунизации детей вакциной «Приорикс». Иммунология. 2005- 26(5): 308−11.
12. Топтыгина А. П., Алешкин В. А. Сопоставление первичного и вторичного гуморально иммунного ответа на вакцинацию «Приорикс». Инфекция и иммунитет. 2013- 3(4): 359−64.
Поступила 11. 09. 14
references
1. Centers for Disease Control and Prevention. Global measles mortality, 2000−2008. Morbid. Mortal. Wkly Rep. 2009- 58: 1321−6.
2. Van den Ent M., Brown D. W., Hoekstra E. J., Christie A., Co-chi S. L. Measles mortality reduction contributes significantly to mortality among children less than five years of age, 1990−2008. J. Infect. Dis. 2011- 203: S18−23.
3. Hickman C. J., Hyde T. B., Sowers S. B., Mercader S., McGrew М., Williams N. J. et al. Laborato characterization of measles virus infection in previously vaccinated and unvaccinated individuals. J. Infect. Dis. 2011- 204 (Suppl. 1): 549−58.
4. Orenstein W. A., Strebel P. M., Papania М., Sutter R. W., Bellini W. J., Cochi S. L. Measles eradicatio is it in our future? Am. J. Public. Hlth. 2000- 90: 1521−5.
5. Querec T. D., Akondy R. S., Lee E. K., Cao W., Nakaya H. I., Teuwen D. et al. Systems biolog approach predicts immuno-genicity of the yellow fever vaccine in humans. Nat. Immunol. 2009- 10(1): 116−25.
6. Li S., Rouphael N., Duraisingham S., Romero-Steiner S., Presnell S., Davis C. et al. Molecul signatures of antibody responses derived from a systems biology study of five human vaccines. N. Immunol. 2014- 15(2): 195−204.
7. Lucas P. J., van der Gaag L. C., Abu-Hanna A. Bayesian networks in biomedicine and healthcare. Artif. Intell. Med. 2004- 30(3): 201−14.
8. Maslennikov E. D., Sulimov V. B. Bayesian networks prediction: algorithm and program realization. Vychislitel'-nye melody i pro-grammirovanie. 2010- 11: 222−35. (in Russian)
9. Manz R. A., Hauser A. E., Hiepe F., Radbruch A. Maintenance of serum antibody levels. Annu. Rev. Immunol. 2005- 23: 367−86.
10. Toptygina A. P., Soldatenkova N. A., Alyeshkin V. A. Immunostimulant Polyoxidonium® in children vaccination with Priorix®. Immunologiya. 2005- 26(5): 308−11. (in Russian)
11. Ovsyannikova I. G., Jacobson R. M., Vierkant R. A., Pankratz V. S., Poland G. A. HLA supertypes immune responses to measles-mumps-rubella viral vaccine: findings and implications for vacci design. Vaccine. 2007- 25: 3090−100.
12. Toptygina A. P., Alyeshkin V. A. Comparison of the primary and secondary humoral immune response to vaccination & quot-Priorix"-. Infektsiya i immunitet. 2013- 3(4): 359−64. (in Russian)
Receives 11. 09. 14
© КОЛЛЕКТИВ АВТОРОВ, 2015
УДК 618. 396−039. 41−092:612. 017. 1]-078. 33
Менжинская И. В., Кашенцева М. М., Ванько Л. В., Сухих Г. Т.
иммунохимические свойства аутоантител к хорионическому гонадотропину у женщин с невынашиванием беременности
ФГБУ Научный центр акушерства, гинекологии и перинатологии им. В. И. Кулакова Минздрава Р Ф, 117 997, г. Москва
Ранее были описаны повышенная продукция антител (IgM, IgG) к хорионическому гонадотропину человека (ХГЧ) у женщин с невынашиванием беременности, способность высоко-аффинных антител нейтрализовать биологическую активность ХГЧ и ассоциация между антителами к ХГЧ и угрожающим выкидышем и другими осложнениями беременности. Цель настоящего исследования: охарактеризовать антитела к ХГЧ у пациенток с невынашиванием беременности по классам иммуноглобулинов и подклассам IgG, эпитопной специфичности и авидности. С использованием НФА было показано, что уровни IgM, IgG, IgA, IgE к ХГЧ в сыворотке крови у пациенток с невынашиванием беременности (n = 94) были выше, чем у здоровых женщин (p = 82) (p & lt- 0,05). IgG и IgA выявлялись более часто (у 64,9% и 55,3% пациенток), чем IgE (у 30,9%- p & lt- 0,01) и ассоциировались с невынашиванием беременности. Согласно ROC-анализу их определение имело высокую диагностическую значимость (AUC 0,813 и 0,77). IgG характеризовались высокой авидностью. Наиболее высокая авидность IgG (67,6 11,93%) и высокие уровни IgE были найдены при привычном невынашивании беременности IgG1 и IgG2 выявлялись более часто (у 56,3% и 58,3%), чем IgG3 (у 33,3%- р = 0,039). Антитела взаимодействовали со специфическим декапептидом C109−119 и пептидом C109−145 ответственным за биологическую активность ХГЧ. Таким образом, аутоантитела к ХГЧ у женщин с невынашиванием беременности направлены к эпитопам, определяющам специфичность и биологическую активность гормона, являются гетерогенной популяцией — разных классов иммуноглобулинов и подклассов IgG с преобладанием высоко-авидных IgG, подклассов IgG1 и IgG2.
Ключевые слова: аутоантитела к хорионическому гонадотропину- классы иммуноглобулинов- подклассы IgG- эпитопная специфичность- авидность- невынашивание беременности.
Для цитирования: Иммунология. 2015- 36(1): 30−35.
Menzhinskaya I. V., Kashentseva M. M, Van'-ko L. V., Sukhikh G. T.
IMMUNOCHEMICAL PROPERTIES OF AUTOANTIBODIES AGAINST CHORIONIC GONADOTROPIN IN WOMEN WITH PREGNANCY LOSS
Research Center for Obstetrics, Gynecology and Perinatology named after V.I. Kulakov, Ministry of Health of the Russian Federation, 117 997, Moscow e-mail: jmenzinskava@opanna4. ru
The increased production of antibodies (IgM, JgG) against human chorionic gonadotropin (hCG) in women with pregnancy loss, the ability of high-affinity antibodies to neutralize the biological activity of hCG and association between antibodies against hCG and threatened abortion and other complications of pregnancy have been described previously. The purpose of the present study is to define classes of immunoglobulins and IgG subclasses, epitope specificity and the avidity of antibodies against hCG in patients with pregnancy loss. Using ELISA, it has been showed that the levels of IgM, IgG, IgA, IgE against hCG in the blood serum in patients with pregnancy loss (n = 94) were higher than those in healthy women (n = 82) (p & lt- 0,05). IgG and IgA were detected more frequently (in 64,9% and 55,3%) than IgE (in 30,9%- p & lt- 0,01) and associated with pregnancy loss. According to ROC-analysis their determination had a high diagnostic significance (AUC 0,813 and 0,77). IgG war characterized by high avidity. The highest IgG avidity (67,6 ± 11,93%) and high levels of IgE were found in recurrent pregnancy loss, IgG1 and IgG2 were detected more often (in 56,3% and 58,3%) than IgG3 (in 33,3%- p = 0,039). Antibodies interacted with specific decapeptide С109−119 and peptide С109−145, responsible for the biological activity of hCG. Thus, autoantibodies to hCG in patients with pregnancy loss are directed to the epitopes determining specificity and biological activity of hormone, are heterogeneous population of different classes of immunoglobulins and IgG subclasses with the prevalence of high-avidity IgG, IgG I and IgG2 subclasses.
Keywords: autoantibodies against chorionic gonadotropin- classes of immunoglobulins- IgG subclasses- epitope specificity- avidity- pregnancy loss.
Citation: Immunologiya. 2015- 36(1): 30−35.

ПоказатьСвернуть
Заполнить форму текущей работой